Upload
others
View
0
Download
0
Embed Size (px)
Citation preview
« Quels outils pour mesurer la qualité de nos activités
cliniques »
Forum HUG
Jeudi 23 février 2017
Dr Pierre Chopard M Pascal Briot
Sujets traités en 2016
• 15 septembre 2016 : Enquête de satisfaction des patients 2015 : Présentation et utilisation des résultats ? » présenté par Delphine Courvoisier et le Dr Pierre Chopard
• 19 mai 2016 : Comment mesurer institutionnellement l’amélioration de la qualité par un tableau de bord clinique, présenté par Pascal Briot
• 4 février 2016 : Prix qualité :
- Prévention des pneumonies associées à la ventilation mécanique: Le « bundle VAP » Prix Qualité 2015 présenté par Valérie Nocquet Boyer
- Sécurité de préparation et d'administration des médicaments injectables : Evaluation de l'apport d'un module e-learning au travers d'une "chambre des erreurs« Prix Qualité 2015 présenté par Liliane Gschwind
Forum Qualité Sécurité HUG en 2017
• Jeudi 1er juin 2017 de 12h00 à 13h30
• Jeudi 16 novembre 2017 de 12h00 à 13h30
Cours Error Risk Analysis « ERA » 2017
http://www.patientensicherheit.ch/fr/prestations/Cours/ERA--Systemische-Fehleranalyse.html
Cours : Lundi 20 mars 2017 Mardi 21 mars 2017 Lundi 24 avril 2017 et Jeudi 5 octobre 2017 Vendredi 6 octobre 2017 Vendredi 10 novembre 2017
Autres formations
• CAS Qualité et sécurité des soins : dimensions opérationnelles en cours, prochaine session janvier 2018
• DAS Qualité et sécurité des soins : dimensions managériales: août 2017
http://qualite.hug-ge.ch/demarches_qualite/form_cont_uni.html
Sommaire
• Pourquoi est-ce que mesurer les processus est important pour améliorer la qualité des
soins ?
a. La problématique (comment construire un système de mesure prospectif)
b. La maitrise statistique des processus
• Quelques exemples :
– Taux de césarienne (indicateur OFSP)
– VAP bundle (indicateur Soins Intensifs Adultes)
– Taux de satisfaction
Why measure? Le problème dans l’industrie
• Est-il possible de savoir si les produits fabriqués seront conformes aux
spécifications avant que tout le lot soit terminé ? Peut-on adopter
une approche plus préventive à la gestion de la qualité du produit ?
• Est-il possible d’identifier la présence d’anomalies pendant la
fabrication plutôt qu’après la fabrication ?
• Si tous les procédés ont une variation naturelle, comment fait-on
pour savoir s’il y a une variation anormale ? Comment savoir quand
agir et quand ne pas agir ?
Why measure? Le problème dans la production des soins
• How will we know that a change is an improvement?
• By understanding the variation that lives within our clinical processes
as these are measured by our data
• By making good management decisions on this variation (i.e., don’t
overreact to a special cause and don’t think that random movement
of your data up and down is a signal of improvement).
Source : Robert Lloyd, Institute for Health Improvement, 2012
Why measure? Le problème : Maitriser la variabilité temporelle (1/2)
Taux de mortalité après pontage aorto-coronarien avant et après l’introduction d’un nouveau protocole opératoire
Source : Marie Annick Pogon, DAS Module 4, 2016
Why measure? Le problème : Maitriser la variabilité temporelle (2/2)
Les données agrégées permettent seulement de porter un jugement (parfois erroné) mais pas d’améliorer les pratiques
Source : Marie-Annick Le Pogam, DAS Module 4, 2016
Why measure? Une vue rétrospective pontuelle est trés limitée
• Comprendre à posteriori en:
“Gérant un processus sur la base de moyennes mensuelles est equivalent à conduire une voiture en regardant dans le rétroviseur .”
Source : D. Wheeler, Understanding Variation, 1993 Robert Lloyd, Institute for Health Improvement, 2012
• Cela ne nous permet pas de
comprendre ou nous allons et
d’anticiper les problèmes que
nous allons rencontrer
Why measure? Définition de la maitrise des processus
• Les variations proviennent de l'ensemble du processus de
production. L'analyse des processus de fabrication permet de
dissocier les 5 éléments élémentaires qui contribuent à créer cette
dispersion • Machine (Equipement) • Main-d’œuvre (Personnel) •
Matière (Traitement, consommable) • Méthodes (d’Administration,
protocole) • Milieu (Structure, culture, environnement).
• La « Mesure » n’est pas parmi les M. La mesure ne modifie pas la
vraie dispersion, mais l'image que l'on a de cette dispersion. Ce qui
crée la non qualité, ce n'est pas la dispersion vue mais la dispersion
réelle.
Why measure? La solution : les cartes de contrôle
• Un outil visuel qui permet de différencier les variations anormales des
variations normales;
• Variations normales (Common cause variations) : variations naturelles du
procédé; elles sont dues à un ensemble de causes non identifiables. Le
procédé dont les variations paraissent normales est sous-contrôle;
• Variations anormales (Special cause variations) : variations qui ne peuvent
pas être attribuées à la variation naturelle du procédé. Elles ont une cause
identifiable, qu’il faut déterminer (et éventuellement, éliminer). La
présence de variations anormales rend le procédé hors-contrôle.
Source : Service d’enseignement de la Gestion des Opérations et de la Logistique,
HEC Montréal, 2011.
Why measure? Carte de Contrôle : Principes
Numéro d’échantillon / Intervalle de temps
Taux de césariennes*
Données de l’office fédéral de la santé publique
Why measure? Taux de césarienne : Carte de contrôle
22.0%
24.0%
26.0%
28.0%
30.0%
32.0%
2006 N = 3831
2007 N = 3818
2008 N = 3811
2009 N = 3773
2010 N = 3884
2011 N = 3857
2012 N = 3895
2013 N = 4015
2014 N = 3988
2015 N = 4049
2016 N = 3939
G 1.4 Taux de césarienne (2006 - 2016)
césarienne taux obs average 95% LCL 95% UCL
Taux de césarienne à faible risque
Taux de césarienne à faible risque pour moins de 35 ans
Taux de césarienne à faible risque pour plus de 35 ans
Taux de césarienne en europe
<15% 15%-20% 20-25% 25-30% >30%
Taux de césarienne en suisse
Rappels des recommandations aux bonnes pratiques
9 mesures Implémentation en 3 blocs successifs
Implémentation du VAP bundle
Nouveaux matériels
Nouveau traitement préventif
GeNoVAP GeNoVAP
15 16
13
10
13
10 11
12
21.1
22.9
31.6
27.6
14.3
22.7
25.7
27.4
0
5
10
15
20
25
30
35
janv..14 févr..14 mars.14 avr..14 mai.14 juin.14 juil..14 août.14
No
mb
re d
e V
AP
/ 1
00
0 jo
urs
de
ve
nti
lati
on
Nb de VAP cliniques Taux d'incidence VAP
Taux d’incidence moy = 24.2 VAP / 1000 jours de ventilation 67 VAP en 8 mois
Phase d’observation : Janvier 2014 – Septembre 2014
« 5 jours d’hospitalisation, il n’a pas encore faite sa VAP »
« Est-ce que c’est vraiment un problème dans notre service ? »
« Ces mesures de prévention ne sont pas nouvelles, tout le monde les connait -et les appliquent- »
« d’où proviennent ces données? »
7
9
14
9
5
7 8 8
3
9
5 6
3
5
7
2 2 1 1 1 1 2 1 1 1 2 1 2 1
21.1
22.9
31.6
27.6
14.3
22.7
25.7
27.4
16.5
20.7
12.4
14.5
8.5
16.6
19.3
8.0
6.5 5.4
3.9 3.0 2.9
7.3
4.2 3.6
2.8
5.7
4.1
6.0 5.4
0
5
10
15
20
25
30
35
Nb
de
VA
P /
10
00
jou
rs d
e ve
nti
lati
on
Densité d'incidence des VAP
Nb de VAP Taux d'incidence VAP
BASELINE IMPLEMENTATION PERENNISATION
2Eme BLOC SOD 1ER BLOC
SOD validée
Travail à l’amélioration de la SOD (collab. Pharmacie)
Carte de Contrôle - Taux de VAP Jan 2014 –Nov 2016
0.0
5.0
10.0
15.0
20.0
25.0
30.0
35.0
No de VAP pour 1000 jours de ventilation
Taux de VAP Moyenne 95% CL 95% CL
Carte de Contrôle – Multi Phases Jan 2014 –Nov 2016
0.0
5.0
10.0
15.0
20.0
25.0
30.0
35.0
40.0
45.0
No de VAP pour 1000 jours de ventilation
Taux de VAP Moyenne 95% CL 95% CL
Adhésion aux bonnes pratiques Amélioration et maintien d’une bonne adhésion des soignants aux mesures de prévention du « bundle VAP »
66 %
96 %
79 %
86 %
97 % 98 %
91 %
56 %
68 %
83 %
0
10
20
30
40
50
60
70
80
90
100
Hand-hygiene Backrest elevation
Oral care Intra-cuff pressure
Sedation control
Ventilation weaning
Mobilization Tracheal cuff pressure
maintenance
Subglottic suctioning
SOD Global compliance
Pou
rcen
tage
d’a
dh
ésio
n
Pre intervention Intervention Post intervention
GeNoVAP
Carte de Contrôle – Adhesion au bundle Sep 2014 – Dec 2016
40.0%
45.0%
50.0%
55.0%
60.0%
65.0%
70.0%
75.0%
80.0%
85.0%
90.0%
Taux d'Adhésion au Bundle
Taux Adhésion Moyenne 95% LCL 95% UCL
Carte de Contrôle – Processus / Outcomes Jan /Sep 2014 –Nov/Dec 2016
0.0 5.0
10.0 15.0 20.0 25.0 30.0 35.0 40.0 45.0
No de VAP pour 1000 jours de ventilation
Taux de VAP Moyenne 95% CL 95% CL
40.0%
50.0%
60.0%
70.0%
80.0%
90.0%
Taux d'Adhésion au Bundle
Taux Adhésion Moyenne 95% LCL 95% UCL
VIGNETTE 1
• Vous réalisez chaque mois dans votre institution depuis janvier 2011 une enquête de satisfaction des patients. Le questionnaire en français est adressé par voie postale à un patient hospitalisé sur 3. Le choix des patients est établi à partir d’une liste alphabétique (de A à Z) et le logiciel sélectionne un patient chaque trois patients en partant de la lettre A (1700 patients hospitalisés/mois, environ 600 questionnaires envoyés par mois, 300 répondants par mois). La population est celle du canton de Genève.
• Dans cette enquête, une question porte sur « Dans l’ensemble, que pensez-vous des soins que vous avez reçus à l’hôpital ».
• En février 2014 votre direction générale vous demande de leur présenter les résultats de l’enquête de satisfaction des patients, suite à l’introduction d’un nouveau programme visant à prévenir les chutes et les escarres débuté en mai 2012.
Analysez la carte de contrôle:
Montre-t-elle des causes spéciales, des cycles périodiques, des tendances ?
Expliquez vos observations
70%
75%
80%
85%
90%
95%
100%
Jan
14
Fé
v14
M
ars1
4
Avr
14
M
ai1
4
Juin
14
Ju
il14
A
oû
t14
Se
p1
4
Oct
14
N
ov1
4
Déc
14
Ja
n1
5
Fév1
5
Mar
s15
A
vr1
5
Mai
15
Ju
in1
5
Juil1
5
Ao
ût1
5
Sep
15
O
ct1
5
No
v15
D
éc1
5
Jan
16
Fé
v16
M
ars1
6
Avr
16
M
ai1
6
Juin
16
Ju
il16
A
oû
t16
Se
p1
6
Oct
16
N
ov1
6
Déc
16
Ja
n1
7
Taux de Satisfaction Jan 2014 - Jan 2017
Perc Satisfait Moyenne LIC LSC
Analysez la carte de contrôle:
•Montre-t-elle des causes spéciales, des cycles périodiques, des tendances ?
•Expliquez vos observations
Questions